Блог компании OTUS. Онлайн-образование
Big Data
Машинное обучение
Искусственный интеллект
21 октября 2019

Оценка влияния искусственного интеллекта на оффшорную нефть и газ

Автор оригинала: Umar Ali
Перевод

Перевод статьи подготовлен специально для студентов базового и продвинутого курсов «Математика для Data Science». Интересно развиваться в данном направлении? Смотрите записи мастер-классов «Линейная алгебра: матрицы и их практическое применение» и «Математика для Data Science: на пути к Senior»!



В последние годы нефтегазовая отрасль претерпевает изменения, а в энергетическом секторе появляются новые технологии, помогающие решать задачи цифровой экономики. Искусственный интеллект уже стал технологическим трендом, но какое применение он может найти нефте- и газодобывающей промышленности? Умар Али занимается исследованиями применения искусственного интеллекта (ИИ) в оффшорной нефтегазовой промышленности.


Причем здесь искусственный интеллект?


Искусственный интеллект (ИИ) очень разносторонняя область, однако в нефтегазовой отрасли преобладают в основном два направления: машинное обучение и анализ данных.


Машинное обучение позволяет компьютерным системам обучаться и интерпретировать данные без участия человека, улучшая свою работоспособность путем итераций специфических операций. В рамках оффшорной нефтегазовой отрасли это позволяет компаниям контролировать сложные внутренние процессы и быстро реагировать на проблемы, появление которых люди предугадать не смогли.


Машинное обучение также можно использовать для моделирования различных ситуаций, используя специальные модели данных для прогнозирования, которые нацелены на поиск и определение шаблонов на основе различных входных данных. Нефтегазовая промышленность в этом случае может использовать ИИ для моделирования потенциальных последствий новых разработок или оценить экологический риск нового проекта до того, как он будет претворен в жизнь.


Анализ данных использует ИИ для получения информации из данных с помощью нейронных сетей, которые помогают связать обрывки информации друг с другом и создать более полную картину из существующей информации. Оффшорная нефтегазовая промышленность может использовать анализ данных, чтобы сделать более доступными сложноструктурированные данные, полученные во время разработки нефтяных и газовых месторождений, что позволит компаниям открывать для себя новые возможности по добыче или более эффективно использовать существующие инфраструктуры.


Применение искусственного интеллекта в нефтегазовой отрасли


В январе 2019 года BP инвестировала в Хьюстонский технологический стартап Belmont Technology для укрепления базы ИИ компании, разработав облачную геонаучную платформу под названием «Sandy».


Sandy позволяет BP интерпретировать геологическую, геофизическую, историческую и резервуарную информацию по проекту, создавая уникальные «графы знаний».


ИИ «интуитивно» связывает информацию воедино, выявляя новые связи и процессы, и использует ее для создания актуальной карты ископаемых активов BP. Нефтяная компания по результатам работы ИИ может обратиться к графу знаний, который был сгенерирован ИИ с помощью нейронных сетей, чтобы провести моделирование и интерпретировать результаты.


Управление по делам нефти и газа (Oil and Gas Authority) использует ИИ аналогичным образом в работе первого в Великобритании Национального Хранилища Данных по нефти и газу (National Data Repository), которое было запущено в марте 2019 года.


NDR содержит 130 терабайт, что примерно равняется восьми годам фильмов в HD-качестве о геофизических, инфраструктурных, полевых и скважинных данных. Имеющиеся данные охватывают более 12 500 скважин, 5000 сейсмических исследований и 3000 трубопроводов.


NDR использует ИИ для интерпретации этих данных. OGA надеются, что смогут с его помощью открыть новые перспективы в области нефти и газа и увеличить показатели добычи существующих инфраструктур.


OGA ожидает, что платформа, в основе которой лежит ИИ, станет частью энергетического перехода нефтегазовой отрасли Великобритании, а данные о коллекторах и инфраструктуре послужат хорошей базой для будущих проектов по улавливанию, использованию и хранению углерода.


ИИ также может использоваться для повышения безопасности проведения операций на нефте- и газодобывающих платформах. В марте 2019 года Aker Solutions начала сотрудничество с компанией SparkCognition для улучшения приложений, использующих ИИ в рамках своей инициативы «Cognitive Operation».


Системы искусственного интеллекта SparkCognition будут использоваться в аналитической платформе под названием SparkPredict, которая отслеживает наземные и подводные установки более чем 30 морских сооружений.


Платформа SparkPredict использует алгоритмы машинного обучения для анализа данных, поступающих с датчиков, что позволяет компании выявлять неоптимальные операции и надвигающиеся сбои до их возникновения.


Shell начала использовать аналогичное программное решение в сентябре 2018 года, когда зародилось ее сотрудничество с Microsoft, чтобы включить платформу программного обеспечения Azure C3 Internet of Things в работу своих оффшорных операций.


Платформа использует ИИ для повышения эффективности во всех областях оффшорной инфраструктуры Shell, от бурения и добычи до расширения возможностей сотрудников и обеспечения их безопасности.


Будущее искусственного интеллекта


ИИ уже задействован в ряде секторов нефтегазовой промышленности в рамках глобальных нововведений для цифрового преобразования операций по разведке и добыче полезных ископаемых. Но каким видится будущее технологий искусственного интеллекта в нефтегазовой отрасли?


Индустрия, похоже, с готовностью приняла цифровые технологии, такие как ИИ, и с оптимизмом смотрит на потенциал этой технологии.


Старший вице-президент Aker BP Пер Гаральд Конгельф говорил:


«Нефтегазовая отрасль сталкивается с быстроменяющимся цифровым ландшафтом, который требует вовлечения передовых технологий для обеспечения роста и достижения успеха.»

Senior-менеджер компании IBM Брайан Гошер также высказался на эту тему:


«Когнитивные среды и технологии могут объединить лиц, принимающих решения, помочь им легко обмениваться информацией, более плавно вводить гетерогенные наборы данных и обеспечивать целевой анализ и моделирование.»

+4
2,9k 22
Комментарии 6

Рекомендуем